🤖 machine learning

SubspaceAD: Training-Free Few-Shot Anomaly Detection via Subspace Modeling

يُعد SubspaceAD طريقةً للكشف عن الشذوذ تعتمد على التعلم القليل دون الحاجة لتدريب، حيث تستفيد من ميزات DINOv2 المجمدة وتحليل المكونات الرئيسية (PCA) لنمذجة التباينات الطبيعية في فضاء فرعي منخفض الأبعاد، محققةً أداءً هو الأفضل في فئته على مجموعتي بيانات MVTec-AD وVisA دون الحاجة إلى بنوك ذاكرة، أو بيانات مساعدة، أو ضبط للنموذج.

المؤلفون الأصليون: Camile Lendering, Erkut Akdag, Egor Bondarev

نُشر 2026-05-14

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Camile Lendering, Erkut Akdag, Egor Bondarev

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك مفتش مراقبة جودة في مصنع. مهمتك هي رصد العيوب على حزام ناقل: خدش على زجاجة، مسمار مفقود، أو لطخة على لوحة دوائر كهربائية.

في العالم الحقيقي، نادراً ما تمتلك مكتبة ضخمة من الصور التي تُظهر كل طريقة "ممكنة" قد يبدو بها المنتج. عادةً، لا تملك سوى عدد قليل من الصور لما يبدو عليه المنتج "المثالي". وهذا ما يسمى بـ الكشف عن الشذوذ بلقطات قليلة (Few-Shot Anomaly Detection).

لفترة طويلة، كانت الحواسيب التي تحاول حل هذه المشكلة تشبه المتدربين المتحمسين للغاية؛ فهي تحاول بناء مكتبات معقدة وضخمة من الأمثلة "المثالية"، أو تدريب شبكات عصبية معقدة لأسابيع، أو استخدام قواعد بيانات هائلة لمقارنة كل بكسل على حدة. إن هذا الأمر مكلف، بطيء، ويتطلب الكثير من البيانات.

SubspaceAD هي طريقة جديدة تطرح سؤالاً بسيطاً: "هل نحتاج حقاً لكل هذا التعقيد؟"

يقول المؤلفون: لا. إنهم يقترحون نهجاً أبسط بكثير، وهو نهج "خالٍ من التدريب" يعمل مثل مرشح ذكي (Smart Filter). إليك كيف يعمل، مقسماً إلى مفاهيم يومية:

1. "العين المجمدة" (استخراج الميزات - Feature Extraction)

أولاً، يستخدم النظام "عيناً" ذكاء اصطناعي مدربة مسبقاً (تسمى DINOv2) قد رأت بالفعل ملايين الصور في العالم. فكر في هذه العين كفنان ماهر تعلم كيفية التعرف على الأنسجة والأشكال والأنماط بشكل مثالي.

الخدعة: نحن لا نعلم هذا الفنان أي شيء جديد. نحن فقط "نجمد" دماغه. نطلب منه النظر إلى صورنا القليلة للمنتجات المثالية ووصفها بالتفصيل (عن طريق تقسيم الصورة إلى قطع صغيرة، مثل الفسيفساء).

2. "المخطط النموذجي الطبيعي" (نمذجة PCA)

الآن، تخيل أن لديك بضع صور لتفاحة مثالية خالية من العيوب. أنت تريد بناء مخطط لما تبدو عليه التفاحة "الطبيعية".

الطريقة القديمة: قد تحاول حفظ كل صورة لديك بدقة.
طريقة SubspaceAD: تستخدم أداة رياضية تسمى PCA (تحليل المكونات الرئيسية). فكر في PCA كأنه منخل أو مفتاح هيكلي.
- ينظر إلى جميع صور "التفاحة المثالية" ويستنتج الأنماط الرئيسية التي تجعلها تبدو كتفاح (الاستدارة، اللون الأحمر، اللمعان).
- يقوم بإنشاء "فضاء فرعي منخفض الأبعاد". وباللغة البسيطة، هذا هو مخطط موجز للطبيعية. إنه يلتقط الجوهر الأساسي للمنتج المثالي بينما يتجاهل الضوضاء العشوائية الصغيرة (مثل ذرة غبار تصادف وجودها في صورة واحدة محددة).

3. "اختبار إعادة البناء" (الاستدلال - Inference)

الآن، يأتي منتج جديد على الحزام الناقل. هل هو مثالي؟

يأخذ النظام الصورة الجديدة ويحاول إعادة بنائها باستخدام "المخطط النموذجي الطبيعي" الذي بناه سابقاً فقط.
إذا كان المنتج مثالياً: يتطابق المخطط تماماً. يمكن للنظام إعادة إنشاء الصورة بسهولة من المخطط. وعليه، يكون "الخطأ" (الفرق بين الصورة الحقيقية والمخطط) ضئيلاً جداً.
إذا كان المنتج به عيب: لا يستطيع المخطط إعادة إنشاء الخدش أو الجزء المفقود لأن ذلك النمط لم يكن موجوداً في "المخطط النموذجي الطبيعي". يعاني النظام في ملء الفجوة. وعليه، يكون "الخطأ" (بقايا إعادة البناء) كبيراً جداً.

النتيجة: النظام لا يحتاج لمعرفة شكل "الخدش" مسبقاً. هو يعرف فقط أن الخدش لا يتناسب مع مخطط الطبيعية. وكلما زاد عدم التطابق، زاد احتمال وجود عيب.

لماذا يعد هذا أمراً هاماً؟

يدعي البحث أن طريقة "المخطط" البسيطة هذه هي في الواقع أفضل من الطرق المعقدة والثقيلة المستخدمة حالياً.

لا تدريب: لا تحتاج لقضاء أيام في تعليم الكمبيوتر. أنت فقط تغذيه ببضع صور، وتبني المخطط، وتنتهي المهمة.
لا مخازن للذاكرة: لا تحتاج لتخزين آلاف الصور. أنت فقط تخزن "الهيكل" الرياضي للأنماط الطبيعية.
السرعة: نظرًا لبساطته، يعمل النظام بسرعة فائقة.
الدقة: عند اختباره على مجموعات بيانات صناعية قياسية (MVTec-AD و VisA)، تفوق هذا الأسلوب البسيط على الطرق المعقدة المتطورة، حتى عندما لم يرَ سوى صورة واحدة فقط لمنتج مثالي للبدء به.

القيود (العثرات)

الورقة البحثية صريحة بشأن المواضع التي قد يتعثر فيها هذا الأسلوب:

الأجزاء المفقودة: إذا فُقد مكون كامل (مثل مسمار مفقود)، فقد يرتبك النظام. بما أن الخلفية لا تزال "طبيعية"، فقد يعتقد المخطط أن المساحة الفارغة هي مجرد جزء من التصميم. هو جيد في رصد أخطاء النسيج (الخدوش، اللطخات) لكنه قد يفتقد أحياناً الأخطاء الهيكلية (القطع المفقودة).
الاتجاه (Orientation): إذا كان من المفترض أن يكون المنتج في وضع عمودي، ولكنك قمت بتدوير صور التدريب بالخطأ، فقد يعتقد النظام أن "التدوير" هو "الطبيعي" الجديد ويتجاهل العيب.

الخلاصة

يثبت SubspaceAD أنك لست بحاجة إلى ذكاء اصطناعي فائق التعقيد للعثور على العيوب. إذا كنت تمتلك "عيناً" جيدة (نموذج أساسي قوي) وطريقة بسيطة لتحديد ما تبدو عليه "الطبيعية" (مخطط إحصائي)، يمكنك رصد الأشياء الغريبة بفعالية كبيرة. إنه عودة إلى الإحصاء الأنيق والبسيط، مدعوماً برؤية الذكاء الاصطناعي الحديثة.

ملخص تقني: SubspaceAD

بيان المشكلة

تواجه عملية اكتشاف الشذوذ البصري (AD) في الصناعة تحديًا حرجًا: ندرة البيانات. تتطلب الطرق التقليدية "كاملة العينات" (full-shot) مئات الصور الخالية من العيوب لكل فئة لنمذجة الحالة الطبيعية، وهو أمر غير ممكن غالبًا في التصنيع الواقعي. ومن ناحية أخرى، تعاني طرق "الصفر عينة" (zero-shot) التي تعتمد على نماذج الرؤية واللغة (VLMs) من صعوبة في اكتشاف العيوب الدقيقة غير الدلالية (مثل الشقوق الصغيرة) التي لا يمكن للوصف النصي وصفها بسهولة. يمثل نظام "القليل من العينات" (few-shot)، حيث تتوفر فقط عدد قليل من الصور الطبيعية ( $k \in \{1, 2, 4\}$ )، حلاً وسطًا عمليًا. ومع ذلك، أصبحت الحلول الحالية للقليل من العينات معقدة بشكل متزايد، حيث تعتمد على مخازن ذاكرة ضخمة، أو مجموعات بيانات مساعدة، أو تدريب متعدد المراحل، أو ضبط المطالبات (prompt tuning) للنماذج التأسيسية. تشكك هذه الورقة البحثية فيما إذا كانت هذه التعقيدات ضرورية بالنظر إلى تمثيلات الميزات عالية الجودة التي توفرها نماذج الرؤية التأسيسية الحديثة.

المنهجية: SubspaceAD

إن SubspaceAD هو طريقة خالية من التدريب، وخالية من المعلمات (parameter-free)، تقوم بنمذجة المظهر الطبيعي باستخدام نهج إحصائي بسيط مدمج مع ميزات النماذج التأسيسية المجمدة. وهي تعمل في مرحلتين متمايزتين:

1. استخراج الميزات

تستخدم الطريقة نموذج DINOv2-G مجمد لاستخراج ميزات كثيفة على مستوى الرقعة (patch-level) من مجموعة صغيرة قدرها $k$ من الصور الطبيعية للتدريب.

تجميع الطبقات المتعددة: بدلاً من الاعتماد فقط على كتلة المحول (transformer block) النهائية، يتم تجميع الميزات من عدة طبقات وسيطة (تحديدًا الطبقات 22-28). يوازن هذا الدمج بين الدلالات عالية المستوى والتفاصيل المكانية منخفضة المستوى، مما يحسن الحساسية للعيوب الدقيقة مع الحفاظ على السياق العالمي.
تعزيز البيانات: لبناء تمثيل قوي من عينات محدودة، يتم تعزيز كل صورة من الصور الطبيعية الـ $k$ بـ 30 دوراناً عشوائياً (من $0^\circ$ إلى $345^\circ$ ). يتم استخراج الميزات من الصور الأصلية والمعززة لتشكيل مجموعة ميزات الرقع الطبيعية، $\mathbf{X}_{normal}$ .

2. نمذجة الفضاء الجزئي (PCA)

يتم ملاءمة نموذج تحليل المكونات الرئيسية (PCA) لميزات المظهر الطبيعي المستخرجة لتقدير الفضاء الجزئي منخفض الأبعاد للتباينات الطبيعية.

تعريف الفضاء الجزئي: يقوم النموذج بحساب المتوسط التجريبي ( $\mu$ ) ومصفوفة التباين ( $\Sigma$ ) للميزات الطبيعية. ثم يحدد أهم $r$ من المتجهات الذاتية (eigenvectors) التي تفسر عتبة تباين محددة مسبقاً ( $\tau = 0.99$ ). وهذا ينشئ أساساً متعامداً $C$ يمثل التباينات "الرئيسية" للمظهر الطبيعي.
تسجيل الشذوذ: أثناء الاستدلال، يتم إسقاط ميزات الرقع من الصورة الاختبارية على هذا الفضاء الجزئي المتعلم. يُعرف تسجيل الشذوذ بأنه بقايا إعادة البناء (المسافة الإقليدية المربعة) بين متجه الميزة الأصلي وإسقاطه. تشير البقايا الكبيرة إلى الانحراف عن الفضاء الجزئي الطبيعي، مما يشير إلى وجود شذوذ.
التجميع:
- على مستوى البكسل: يتم رفع دقة خريطة البقايا وتنعيمها لإنشاء خريطة شذوذ على مستوى البكسل.
- على مستوى الصورة: يقوم إحصاء متين للذيل، وهو القيمة المعرضة للخطر للذيل التجريبي (empirical tail value-at-risk - TVaR)، بمتوسط أعلى 1% من درجات الرقع لإنتاج درجة واحدة على مستوى الصورة، مما يوازن بين الحساسية للعيوب الدقيقة والمتانة ضد الإيجابيات الكاذبة.

المساهمات الرئيسية

إطار عمل SubspaceAD: تقديم طريقة بسيطة، خالية من التدريب، لاكتشاف الشذوذ بالقليل من العينات تجمع بين ميزات DINOv2 المجمدة وPCA. وهي تلغي الحاجة إلى مخازن الذاكرة، أو ضبط المطالبات، أو مجموعات البيانات المساعدة، أو التدريب الصريح.
أداء يضاهي أحدث التقنيات (SOTA): أظهرت التقييمات الشاملة على مجموعات بيانات MVTec-AD و VisA أن SubspaceAD يتفوق على الطرق الحالية الأكثر تطوراً (بما في ذلك الطرق القائمة على إعادة البناء، والقائمة على مخازن الذاكرة، والقائمة على VLMs) في إعدادات 1-shot و 2-shot و 4-shot.
القابلية للتفسير والكفاءة: الطريقة قابلة للتفسير بالكامل (بناءً على خطأ إعادة البناء الإحصائي) وفعالة حاسوبياً، حيث تتطلب تمريرة أمامية واحدة فقط وإسقاطاً خفيف الوزن للفضاء الجزئي. كما تحقق أداءً عالياً بحد أدنى من التخزين (أقل من 1 ميجابايت لكل فئة).

النتائج التجريبية

تقرير الورقة تجارب واسعة النطاق على معايير صناعية قياسية:

MVTec-AD (1-shot): يحقق SubspaceAD درجة AUROC على مستوى الصورة تبلغ 97.1% ودرجة AUROC على مستوى البكسل تبلغ 97.5%، متجاوزاً أفضل النتائج السابقة.
VisA (1-shot): في هذه المجموعة الأكثر تحدياً، يحقق SubspaceAD درجة AUROC على مستوى الصورة تبلغ 93.2% ودرجة PRO على مستوى البكسل تبلغ 95.5%، متفوقاً على التقنية السابقة الأكثر تطوراً (AnomalyDINO) بفارق كبير (5.8% و 3.0% على التوالي).
الصفر عينة المجمع (Batched 0-Shot): في إعداد يتم فيه ملاءمة النموذج على كامل مجموعة الاختبار غير المصنفة (بافتراض أن معظم الرقع طبيعية)، يحقق SubsideAD درجة AUROC على مستوى الصورة تبلغ 94.1% على VisA، مساوياً لـ MuSc ومتفوقاً على AnomalyDINO.
دراسات الاستئصال (Ablation Studies): أكد المؤلفون أن تجميع الميزات متعدد الطبقات (الطبقات 22-28) يتفوق على استخدام الطبقة النهائية فقط، وأن الطريقة قوية تجاه دقة المدخلات التي تزيد عن 448 بكسل. كما تبين أن عتبة تباين PCA ( $\tau=0.99$ ) حاسمة لالتقاط التباينات الطبيعية مع استبعاد الضوضاء.

الأهمية والادعاءات

تجادل الورقة بأن التعقيد في مسارات اكتشاف الشذوذ الحديثة للقليل من العينات غالباً ما يكون غير ضروري. فمن خلال الاستفادة من التمثيلات الغنية والقابلة للنقل لنماذج الرؤية التأسيسية (تحديداً DINOv2)، يمكن لـ نموذج فضاء جزئي إحصائي بسيط أن يلتقط بفعالية "متعدد الطيات" (manifold) للمظهر الطبيعي.

يدعي المؤلفون أن SubspaceAD يثبت أن النمذجة الإحصائية الكلاسيكية، عندما تقترن بميزات تأسيسية كافية التعبير، يمكن أن تعمل مرة أخرى كأساس قوي لاكتشاف الشذوذ البصري. تقدم الطريقة بديلاً مقنعاً للبنى العميقة المعقدة، حيث توفر حلاً ليس فقط في طليعة الدقة، بل وأيضاً متفوقاً من حيث سهولة النشر، وقابلية التفسير، والكفاءة الحسابية. وتشير النتائج إلى أنه بالنسبة للفحص الصناعي بالقليل من العينات، يمكن استبدال "تعقيد" مخازن الذاكرة وضبط المطالبات بـ "بساطة" تحليل المكونات الرئيسية (PCA) على الميزات التأسيسية.